| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第9-11页 |
| 1.1 背景和意义 | 第9页 |
| 1.2 车牌识别技术的研究现状 | 第9-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 第2章 神经网络与车牌识别 | 第11-26页 |
| 2.1 神经网络简介 | 第11-14页 |
| 2.1.1 人工神经网络 | 第11页 |
| 2.1.2 BP神经网络 | 第11-14页 |
| 2.2 车牌识别系统构成 | 第14页 |
| 2.3 车牌预处理 | 第14-18页 |
| 2.3.1 灰度化 | 第14-15页 |
| 2.3.2 灰度拉伸 | 第15-16页 |
| 2.3.3 边缘检测 | 第16-17页 |
| 2.3.4 二值化 | 第17-18页 |
| 2.4 车牌定位 | 第18-20页 |
| 2.4.1 基于边缘检测的车牌定位法 | 第18页 |
| 2.4.2 基于统计投影直方图的车牌定位法 | 第18页 |
| 2.4.3 基于几何特征的车牌定位法 | 第18-19页 |
| 2.4.4 基于纹理特征的车牌定位法 | 第19页 |
| 2.4.5 基于数学形态学的车牌定位法 | 第19-20页 |
| 2.5 车牌校正 | 第20-23页 |
| 2.5.1 车牌倾斜校正方法 | 第21页 |
| 2.5.2 基于Hough变换倾斜校正 | 第21-23页 |
| 2.6 车牌分割 | 第23-24页 |
| 2.6.1 归一化 | 第23页 |
| 2.6.2 基于字符连通性的字符分割方法 | 第23页 |
| 2.6.3 基于聚类分析的字符分割方法 | 第23-24页 |
| 2.6.4 基于模版的字符分割方法 | 第24页 |
| 2.6.5 基于投影的字符分割方法 | 第24页 |
| 2.7 字符识别方法 | 第24-25页 |
| 2.7.1 基于模版匹配的字符识别方法 | 第24页 |
| 2.7.2 基于统计特征匹配的字符识别方法 | 第24-25页 |
| 2.7.3 基于神经网络的字符识别方法 | 第25页 |
| 2.7.4 基于支持向量机的字符识别方法 | 第25页 |
| 2.8 本章小结 | 第25-26页 |
| 第3章 车牌预处理与车牌定位 | 第26-36页 |
| 3.1 车牌特征 | 第26-27页 |
| 3.2 车牌预处理结果 | 第27-31页 |
| 3.2.1 图像灰度化处理结果 | 第27-28页 |
| 3.2.2 灰度拉伸结果 | 第28页 |
| 3.2.3 边缘检测结果 | 第28-30页 |
| 3.2.4 二值化处理结果 | 第30-31页 |
| 3.3 车牌定位结果 | 第31-35页 |
| 3.3.1 基于投影的车牌定位方法结果 | 第31-32页 |
| 3.3.2 基于数学形态学的车牌定位法结果 | 第32-33页 |
| 3.3.3 基于Hough变换倾斜校正结果 | 第33-34页 |
| 3.3.4 基于投影和数学形态学的车牌定位法结果 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 车牌分割 | 第36-41页 |
| 4.1 车牌边框去除 | 第36-37页 |
| 4.2 车牌字符分割法结果 | 第37-40页 |
| 4.2.1 基于模版的字符分割法结果 | 第37-38页 |
| 4.2.2 基于投影的车牌分割法结果 | 第38-39页 |
| 4.2.3 基于垂直投影和先验知识的车牌分割法结果 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 车牌字符识别 | 第41-49页 |
| 5.1 基于改进的模版匹配字符识别法结果 | 第41-43页 |
| 5.1.1 特征提取 | 第41-42页 |
| 5.1.2 构建字符模版 | 第42页 |
| 5.1.3 字符匹配 | 第42-43页 |
| 5.2 基于BP神经网络车牌字符识别法结果 | 第43-48页 |
| 5.2.1 BP神经网络结构和设计 | 第43-46页 |
| 5.2.2 改进的BP神经网络法 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 车牌识别系统构建 | 第49-53页 |
| 6.1 车牌识别系统的模块组建 | 第49页 |
| 6.2 实验结果分析 | 第49-52页 |
| 6.2.1 神经网络训练模版 | 第49-50页 |
| 6.2.2 测试平台搭建 | 第50-52页 |
| 6.3 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |